[发明专利]基于大数据的片区式无人驾驶车辆停车场收费方法及装置

权利要求书

1.一种基于大数据的片区式无人驾驶车辆停车场收费方法，其特征在于，包括：

获取预设时间段内所有无人驾驶车辆乘客的游览意向、历史游览数据和景区停车场信息，所述游览意向包括预期游览时长和游览景点，所述景区停车场信息包括景区内各景点的停车场位置信息、停车场历史数据和当前收费规则；

根据所述游览意向、历史游览数据和所述停车场位置信息，进行路径规划处理得到旅客的旅行方案集合，所述旅行方案集合中包括所有乘客在各个景点停车场的逗留时间段；

根据所述逗留时间段、所述停车场历史数据和预设的停车预测数学模型，得到每个景点的停车场的预测数据，所述预测数据包括各景点停车场在预设时间段内的预期利用率、车流量和停车需求；

根据所述预测数据对所述当前收费规则进行动态调整处理，得到所有停车场调整后的收费标准；

其中,根据所述游览意向、历史游览数据和所述停车场位置信息，进行路径规划处理得到旅客的旅行方案集合，所述旅行方案集合中包括所有乘客在各个景点停车场的逗留时间段，包括：

基于预设的深度学习算法对所述历史游览数据和所述游览意向进行需求分析处理得到每个乘客的游览需求；

根据所述游览需求、所述停车场位置信息和预设的图论数学模型进行路径规划分析，得到每个乘客的景点访问顺序；

对所述景点访问顺序进行时间分配处理，得到每个乘客的预期停车时长；

根据所述预期停车时长和所述停车场位置信息，利用遗传算法进行路径规划处理，得到每个乘客在各个景点停车场的逗留时间段；

将所有所述逗留时间段进行整合处理，得到旅客的旅行方案集合；

其中,基于预设的深度学习算法对所述历史游览数据和所述游览意向进行需求分析处理得到每个乘客的游览需求，包括：

将所述游览意向中的预期游览时长和游览景点进行数据转换处理，得到游览有向图，所述游览有向图包括节点和边，所述节点表示游览景点，所述边表示景点间的行进路径；

根据预设的动态场景构建数学模型对所述有向图进行动态模拟处理，得到游览模拟场景集合；

根据预设的循环神经网络数学模型对所述历史游览数据进行训练处理，得到每个乘客的游览行为模式；

根据所述游览行为模式和所述游览模拟场景集合进行评分处理，得到每个模拟场景的评分结果；

将所有所述评分结果进行整合和筛选处理，得到每个乘客的游览需求；

其中,根据所述预测数据对所述当前收费规则进行动态调整处理，得到所有停车场调整后的收费标准，包括：

对所述预测数据进行线性回归分析处理得到各个停车场的预期利用率关系；

根据所述预期利用率关系，利用拉格朗日乘数法进行约束优化处理，得到停车场收费调整方案；

根据预设的支持向量机数学模型对所述停车场收费调整方案进行分类处理，得到每个停车场的收费等级；

根据每个停车场的所述收费等级进行加权求平均值计算，得到每个停车场的调整后的收费标准。

2.根据权利要求1所述的基于大数据的片区式无人驾驶车辆停车场收费方法，其特征在于,根据预设的动态场景构建数学模型对所述有向图进行动态模拟处理，得到游览模拟场景集合，包括：

将所述游览有向图进行邻接矩阵转换，得到各景点间的关联关系矩阵；

将所述关联关系矩阵进行矩阵分解处理，得到各景点间的潜在特征向量；

对所有所述潜在特征向量进行相似度计算，得到景点间的相似度矩阵；

将所述相似度矩阵进行动态规划处理，得到最优化游览路径组合；

根据所述最优化游览路径组合进行结果整合和矩阵变换处理，得到游览模拟场景集合。